python中如何把两个table中不相同的数据选出来

你可以使用 SQL 查询语句来从两个表中选出不相同的数据。假设你有两个表 `table1` 和 `table2`，并且这两个表有相同的列名和数据类型，你可以使用下面的 SQL 语句来选出在 `table1` 中存在但在 `table2` 中不存在的数据：

SELECT * FROM table1 WHERE NOT EXISTS (SELECT * FROM table2 WHERE table1.column_name = table2.column_name);

其中 `column_name` 是两个表中相同的列名，你需要将其替换为实际的列名。这个查询语句将返回在 `table1` 中存在但在 `table2` 中不存在的所有行。

如果你的两个表的结构不同，你可以使用 Pandas 库来将它们转换为 DataFrame，然后使用 DataFrame 的方法进行比较。你可以使用 `pd.read_sql()` 方法从 SQL 数据库中读取表格数据，然后使用 Pandas 的 `merge()` 方法将两个 DataFrame 进行合并，最后使用 `isna()` 方法检查哪些行存在空值来找到不相同的数据。

相关问题

python如何取两个Table中，同一id数据的差集

### 回答1：
在 Python 中，您可以使用集合操作来取两个表格的差集。具体地说，您可以将两个表格转换为 Python 中的集合，然后使用 `difference()` 方法计算差集。

首先，您需要确保两个表格中的每一行都有一个唯一的标识符，例如 "id" 字段。然后，您可以使用这些标识符将每一行映射到一个集合中的元素。

接下来，您可以使用集合操作计算差集：

table1_ids = {row['id'] for row in table1}
table2_ids = {row['id'] for row in table2}
difference = table1_ids.difference(table2_ids)

最后，您可以使用差集中的标识符从表格中选择相应的行，以得到最终的差集。

### 回答2：
要取两个Table中同一id数据的差集，可以使用Python中的pandas库来实现。

首先，我们首先要将两个Table导入Python中。可以使用pandas库中的read_csv()函数读取两个csv文件，并将它们转换为pandas的DataFrame对象。

接下来，我们可以使用pandas库中的merge()函数将两个DataFrame按照id列进行合并。

然后，我们可以使用pandas库中的drop_duplicates()函数去除重复的行。这样，我们就可以得到两个Table中相同id数据的交集。

最后，我们可以使用pandas库中的concat()函数将两个DataFrame进行连接，并使用drop_duplicates()函数去除重复的行，得到两个Table中同一id数据的差集。

下面是一个示例代码：

import pandas as pd

# 读取两个csv文件并转换为DataFrame
df1 = pd.read_csv('table1.csv')
df2 = pd.read_csv('table2.csv')

# 按照id列进行合并
merged_df = pd.merge(df1, df2, on='id')

# 去除重复的行，得到交集
intersection = merged_df.drop_duplicates()

# 连接两个DataFrame，并去除重复的行，得到差集
difference = pd.concat([df1, df2]).drop_duplicates(keep=False)

print(difference)

在上面的代码中，将要处理的两个Table的csv文件分别保存为table1.csv和table2.csv，并确保在代码中使用正确的文件名。同时，要保证csv文件中的列名与代码中使用的列名一致。

这样，就可以得到两个Table中同一id数据的差集。

### 回答3：
要取两个表中同一id数据的差集，可以使用python中的pandas库来进行操作。具体步骤如下：

1. 首先，导入pandas库，使用`import pandas as pd`语句进行导入。

2. 然后，将两个表分别读取为pandas的DataFrame对象。假设表名为表1和表2，可以使用`pd.read_csv()`或`pd.read_excel()`等方法来读取。

3. 接着，将两个表按照id进行合并，可以使用`pd.merge()`方法，将两个表以id作为合并的依据，生成一个新的表。

4. 然后，通过判断某一列是否为空来找出差集。比如，可以通过`df['列名'].isnull()`来判断某一列是否为空，生成一个布尔类型的Series对象。

5. 最后，根据差集的布尔值来筛选数据。可以使用`df.loc[布尔值]`来筛选出符合条件的数据。

具体代码如下：

import pandas as pd

# 读取表1和表2
df1 = pd.read_csv('表1.csv')
df2 = pd.read_csv('表2.csv')

# 合并两个表
merged_df = pd.merge(df1, df2, on='id', how='inner')

# 找出差集
diff_df = merged_df.loc[merged_df['列名'].isnull()]

# 打印差集
print(diff_df)

在上述代码中，需要将`'表1.csv'`和`'表2.csv'`替换为实际的表名，`'id'`和`'列名'`替换为具体的id列和其他列名。

通过以上步骤，就可以得到两个表中同一id数据的差集，并将结果打印出来。

如何用Python实现得到两个表中数据相同的片段

可以使用 Python 中的 Pandas 库来实现这个功能。具体步骤如下：

1. 读取两个表格的数据，可以使用 Pandas 的 read_csv 或 read_excel 方法。

2. 对两个表格中的重复数据进行合并，可以使用 Pandas 的 merge 方法，指定相同的列进行合并。

3. 对合并后的数据进行筛选，只保留重复的数据行，可以使用 Pandas 的 duplicated 方法和 boolean indexing。

下面是一个示例代码：

import pandas as pd

# 读取两个表格的数据
df1 = pd.read_csv('table1.csv')
df2 = pd.read_csv('table2.csv')

# 合并两个表格的数据，指定相同的列进行合并
merged = pd.merge(df1, df2, on='column_name')

# 筛选出重复的数据行
duplicated = merged[merged.duplicated()]

# 输出重复的数据行
print(duplicated)

其中，`column_name` 是两个表格中相同的列名。`table1.csv` 和 `table2.csv` 分别是两个表格的文件名。